2024年，VLM帮助不少车企解决了一部分端到端下限的问题。2025年，VLA是一个大的突破口。

VLM 能够识别当前路段信息，相当于一个经验老道的副驾 在给新手司机讲解 ，驾驶还是在驾驶位上。

VLA 则融合了　视觉 - 语言 - 动作，能够直接进行动作轨迹的输出，相当于那个副驾直接变成主驾了，一体性更强。

去年那个理想的AI Talk上，针对「L4的门票是什么？」，李想说： 一个是500万+的车子，还有掌握VLA这个基础模型的能力。

目前供应商也开始有很多的动作，地平线的SuperDirve底层就是一套双系统构架：端到端系统I + VLA系统II。

不过这个目前还不是完全的VLA，端到端算法控制车，而VLA输出决策指令，上面的例子中，像就是 那个副驾 直接告诉你怎么开。

元戎 在去年11月发布了VLA模型，预计会在今年量产上车。